在国家自然科学基金、广东省自然科学基金等项目资助下，广东省科学院广州地理研究所生态系统保护修复团队成员、副研究员王智慧联合中山大学、海南大学等科研人员，基于多尺度高光谱的常绿阔叶林植物功能性状遥感监测研究方面取得重要进展。近日，相关成果发表于《农业中的计算机和电子产品》（Computers and Electronics in Agriculture）。

植物功能性状的传统监测方法依赖破坏性取样与实验室分析，成本高、效率低，难以获取大范围时空连续数据。无人机高光谱遥感虽具潜力，但在我国华南地区独有的亚热带常绿阔叶林中应用尚不充分，且叶片至冠层尺度的模型传递性、跨季节适应能力尚未明确。

依托广东省粤港澳大湾区城市群生态系统观测研究站，研究团队在广东、广西及海南的四个典型样地共采集了97个树种、360份叶片样本，系统测量了叶绿素、类胡萝卜素、水分、干物质、氮、磷、钾等关键功能性状，并同步获取了干燥叶片、新鲜叶片的光谱数据，以及基于无人机平台的不同季节高光谱影像。

该研究采用偏最小二乘回归（PLSR）和随机森林回归（RF）两种建模方法，分别构建了叶片与冠层尺度的性状反演模型。结果表明，干燥与新鲜叶片光谱对多数功能性状具有较高的预测能力，叶片尺度的模型在不同地点和树种间表现出良好的可迁移性，说明其具备较强的泛化能力。在冠层尺度，无人机高光谱数据能够准确估计色素、单位质量氮、单位面积氮、碳氮比和氮磷比等性状，但在跨季节预测时表现较差，主要原因是叶片性状与冠层光谱在不同物候期存在显著差异。

该研究还发现，PLSR在叶片尺度表现更优，而RF在冠层尺度反演中更具优势，体现了模型选择与观测尺度的密切关系。通过将模型应用于无人机高光谱影像，研究团队生成了多个关键性状的空间分布图。结果显示，PLSR与RF所制图斑具有较高一致性，并能有效捕捉叶片性状的季节变化规律，验证了无人机高光谱遥感在亚热带森林性状监测中的可行性与实用性。

该研究不仅为我国华南地区亚热带常绿林的生态系统研究提供了可靠的技术路径与数据支持，也为未来构建跨尺度、跨区域的植物性状遥感监测网络奠定了方法基础，对推动森林碳循环、养分循环与生物多样性研究具有重要意义。

相关论文信息：https://doi.org/10.1016/j.compag.2025.110178